داده کاوی سیگنال های EEG جهت طبقه بندی مراحل خواب با استفاده از شبکه های عصبی

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,492

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IDMC02_129

تاریخ نمایه سازی: 14 فروردین 1388

چکیده مقاله:

طبق آمارهای ارایه شده از سوی سازمان بهداشت جهانی حدود 30 % از جمعیت جهان از اختلالات خواب رنج م یبرند. این مشکل توانایی کاری و سلامت ذهنی این افراد را به مخاطره می اندازد. سطح نرمال فعالیت ذهنی توسط سیکل های خواب-بیداری مشخص می شود. تشخیص سیکل خواب و مراحلی که شخص در حین خواب طی می کند، کاربردهای مختلف درمانی و تحقیقاتی مانند بررسی انواع بی خوابی و بررسی رفتار کودکان دارد. در گذشته تکنسین های آموزش دیده به طور دستی با بررسی سیگنا لهای حیاتی به تشخیص مراحل خواب در هر 30 ثانیه از داد هها م یپرداختند اما امروزه با استفاده از تکنیکهای مختلف دادهکاوی و بازشناسایی الگو توانستهاند به درصد بالایی از تفکیک مراحل خواب دست یابند. تشخیص مراحل خواب نیازمند روشی مناسب است تا بتواند هر مرحله را همانند رو شهای دستی و با استفاده از دانش های موجود در این زمینه تعیین نماید. در این تحقیق با استخراج ویژگی های آماری و فرکانسی مناسب از داده های EOG,EEG در حین خواب، و همچنین مرحله قبلی خواب به عنوان یک ویژگی، با استفاده از شبک ههای عصبی به تعیین مراحل خواب پرداخته شده است. نتایج نشان می دهد که با استفاده از ویژگی های زمان-فرکانس و اعمال آن به شبکه های عصبی می توان به جداسازی مراحل خواب از یکدیگر با دقت 92.76% رسید. همچنین نتایج بیانگر آن است که تشخیص مراحل I,III نسبت به مراحل دیگر با درصد تفکیک کمتری صورت پذیرفته است. بررسی نتایج نشان می دهد انتخاب کانال Pz-Oz نسبت به کانال Fpz-Cz ما را به درصد بالاتری جهت تفکیک مراحل I-IV،awake می رساند، در صورتی که تفکیک مرحله REM با استفاده از کانال Fpz-Cz بهتر صورت گرفته است. همچنین نتایج بیانگر آن است که استفاده بیش از یک کانال EEG باعث افزایش درصد تفکیک مرحله REM خواب گردیده است و اینکه حذف مرحله قبلی خواب به عنوان یک ویژگی از مجموعه ویژگی ها باعث کاهش عمده در تشخیص مرحله III و I خواب می گردد.